Å omsette primære målgrupper i praksis – en nybegynnerveiledning

Tiden er inne for å samle alt du har lært fra tidligere artikler i navet og ta i bruk det primære målgruppebaserte personaliseringsrammeverket ditt, slik at du regelmessig kan samle inn meningsfull lærdom og bruke den til å forme innsatsen din på lang sikt.

Denne veiledningen vil fungere som en oppsummering av de to kjernetypene for publikumsbaserte tester, og deretter skissere en trinnvis prosess for nybegynnere for å kjøre noen første personaliseringskampanjer. Disse starter med A/B-testing av variasjoner mot en kontroll for å se hvilken som fungerer best for hver av primærmålgruppene dine – og funnene fra dette fungerer som et utgangspunkt for ytterligere optimalisering av den digitale opplevelsen for hvert segment.

Å forstå dine primære målgrupper og hente ut verdifull innsikt for å lykkes med kontinuerlig personalisering, kan oppnås ved å kjøre to forskjellige typer eksperimenter, som bør brukes sammen for å oppnå de beste resultatene.

Disse er:

En av de enkleste formene for personalisering og en kampanjetype som bør sees på som et fast element på nettstedet, er produktanbefalinger som utnytter datainnsikt, sanntidskontekst og samlede kjøpstrender for å presentere skreddersydd innhold eller produkter.

En rekke globale, kontekstuelle og personlige produktanbefalingsstrategier kan brukes gjennom hele traktforløpet for å få ned den totale tiden en besøkende bruker på å gjennomføre et kjøp. For eksempel på forsiden for å få fortgang i produktoppdagelsen og forbedre nettstedets navigeerbarhet. Eller lenger ned på produktdetaljsider (PDP-er) og i handlekurven for å bidra til mersalg og øke konverteringen uten at brukerne forlater siden i situasjoner med høy intensjon (som vanligvis er områdene som genererer mest inntekter).

Alt fra de implementerte anbefalingsstrategiene til widgetens utseende og virkemåte (inkludert eventuelle meldinger) og helt ned til nettstedets eller sidens plassering bør ikke bare testes, men også optimaliseres regelmessig for å oppnå best mulig resultat for hvert primære publikum.

Et nettsted er fullt av innholdselementer som bilder, tekst, handlingsoppfordringer (CTA-er), kampanjemoduler og mer som vanligvis er statiske av naturen, men klargjort for personalisering basert på sammensetningen av et bestemt primærmålgruppe.

Eksempler på innholdsampanjer inkluderer tilpasning av hovedbannere på forsiden, personalisering av nettstedets navigasjon (på desktop og mobil), visning av tidsfølsomme kampanjer, innlemming av meldinger med sosiale bevis på produktsider eller andre steder, og til og med endringer i tekst for inaktive nettleserfaner.

Bare fantasien setter grenser når det gjelder de ulike nettkomponentene som er tilgjengelige for testing. Team bør imidlertid alltid ha innvirkning, innsats og omfang i tankene når de prioriterer ideer.

Nedenfor følger en forenklet prosess som hjelper deg med å fastslå primærmålgruppene dine og bruke dem til å lansere og analysere de første personaliseringskampanjene dine – én test for produktanbefalinger og én innholdstest:

1. Opprett et sett med primærmålgrupper

2. Utfør en A/B-test for produktanbefalinger

3. Utfør en A/B-test av innhold

4. Analyser testresultatene for hver av primærmålgruppene dine

5. Lanser nye tester basert på hypotesene dine

La oss begynne.

Forhåndskrav for lesing: Velge et sett med primærmålgrupper.

Dine primære målgrupper er de grunnleggende segmentene som utgjør din forankrede personaliseringsstrategi. De forenkler personaliseringsprogrammet ditt uten at det går ut over effekten. Å ta dem i bruk bør gjøre det enklere å skalere innsatsen.

De er ment å være evigvarende og varige segmenter, selv når virksomheten din utvikler seg. Derfor er det avgjørende å være bevisst og ta seg den nødvendige tiden til å nøye identifisere disse kjernegruppene.

Utvelgelsen bør starte med å velge en primær nettstedspuls for nettstedet for å optimalisere basert på bransje og forretningsbehov. Vurder deretter datainnsikten for å avdekke mønstre knyttet til fullføring av KPI-hendelsen, og bruk dem som et segmenteringsprinsipp for å dele opp et sett med målgrupper i 2–4 ulike grupper. Disse gruppene bør omfatte 100 % av nettstedstrafikken, der hver gruppe dekker minst 10 %. 

Målet med denne prosessen er å etablere en standardisert universal-lens for å undersøke brukerbasen din og resultatene av testene dine. Med en grunnleggende forståelse av publikummet ditt kan du begynne å utnytte eksperimentering for å utvide kunnskapen din, og anvende nyvunnet innsikt på fremtidige tester som retter seg mot din primære KPI for hvert publikum, noe som ytterligere forbedrer kundeopplevelsen.

Obligatorisk lesning før du begynner: Kom i gang med testing og personalisering av produktanbefalinger.

Før du lanserer dine første tester, må du sørge for at de krysser av for disse fire punktene. Her er tre tester som gjør det!

Et ypperlig sted å bli komfortabel med å implementere og analysere en grunnleggende personaliseringstaktikk, er å legge til en anbefalingswidget på produktsidene dine og teste to forskjellige algoritmer mot en kontrollgruppe for å sammenligne resultater.

Det er viktig å huske på at ingen enkelt strategi passer for alle besøkende, siden noen kanskje besøker nettstedet ditt direkte og surfer flere ganger i uken, mens andre kan være førstegangsbesøkende som har kommet via et søkemotorsøk. En sterk produktanbefalingsmotor vurderer tilgjengelige datainnsikter for en spesifikk besøkende og iverksetter den mest hensiktsmessige strategien basert på kontekstuelle ledetråder (gjeldende side, henvisende nettadresse osv.), forbrukstrender og mer for å drive handling. 

Over til å kjøre testen vår, som inkluderer:

1. Valg av to algoritmer som skal testes mot hverandre (i tillegg til en kontrollgruppe)

2. Selv om vinnere kan variere mye avhengig av merkevaren, brukerbasen og målgruppen, er «Likhet» («Similarity») og «Sett sammen» («Viewed Together») noen grunnleggende startalgoritmer du kan prøve på produktsiden (PDP)

3. La kampanjen kjøre i minst to uker for å oppnå statistisk signifikans, der lik trafikk fordeles på hver variant og kontrollen før man bruker en terskel på 80 % for å måle sannsynligheten for å være best (P2BB) 

4. Analysere A/B-testresultatene for hvert segment for å se hvilken målgruppe som foretrekker hvilken algoritme til bruk i fremtidige anbefalingstester

Når du kjører fremtidige anbefalingstester for hvert segment i primærmålgruppene dine, må du huske på sidetypen og stadiet i kundereisen. Hvis segmenteringsprinsippet for eksempel er kjøpshensikt (målt i sidevisninger), gir det mening at besøkende med mindre datainnsikt (lav hensikt) mottar generiske rangeringsanbefalinger som «Mest populære». Til gjengjeld bør tilbakevendende brukere med mer innsikt i sidevisningsdata tilbys kontekstdrevne produktanbefalinger.

Du kan lære mer om teknikker, strategier og beste praksis i denne veiledningen for produktanbefalinger.

Sosiale bevis-meldinger krever svært liten innsats med tanke på implementering, men kan ha en enorm innvirkning på KPI-er, og derfor anbefaler vi det som en første innholdstest.

Selve begrepet «sosial bevis» handler om innflytelsen fra gruppetenkning. Positive kundeomtaler og rangeringer skaper for eksempel en følelse av tillit i kjøpsbeslutningen. Å fremheve produkttetthet validerer den besøkendes egen tanke om å kjøpe det også, og det å vise frem gjenværende beholdning av et bestemt produkt kan skape en hastesak.

Over til å kjøre testen vår, som inkluderer:

1. Valg av en kvantitativ faktor for å utløse innholdstesten for sosial bevis
   • Dette bidrar til å fortelle historien om et gitt produkts oppfattede verdi på et bestemt tidspunkt, som antall nylige kjøp, sidevisninger eller til og med gjenstående beholdning 
   • Antallet sidevisninger eller kjøp for et gitt produkt er enkle å forstå for nettstedets besøkende og enkle å innlemme, så la oss starte der     
2. Fastsettelse av en terskel for den kvantitative faktoren som utløser kampanjen for sosial bevisføring
   • Dette bør bety noe for en forbruker, ettersom en enkelt produktvisning eller et kjøp på en gitt dag sannsynligvis ikke vil etterlate et inntrykk 
   • Terskelen bør kvalifisere nok produkter og datainnsikt til å trekke en konklusjon – et enkelt produkt med 10k produktvisninger vil gi svært begrensede resultater 
3. Valg av tidsperiode for terskelen din
   • Hva gir mest mening for din bedrift, dine produkter og potensielle kjøpere: en dag, uke eller måned? 
   • Vi anbefaler å starte med runde tall som 200 visninger på en dag eller 1 000 visninger i uken. 
4. La kampanjen kjøre i minst to uker for å nå statistisk signifikans, og følg de samme reglene som for produktanbefalingstesten for å vurdere den beste varianten
5. Analysere resultatene for hvert segment for å registrere effekten av innholdet med sosial bevisføring på konverteringer (vi vil bruke kjøp per bruker)

I likhet med kampanjen for produktanbefalinger bør fremtidige meldinger om sosialt bevis rette seg mot motivasjonene og intensjonene til primærmålgruppene dine. Innholdstestens meldinger og kvantitative informasjonen du viser (som solgte produkter eller viste sider), vil variere for hver målgruppe. Nye brukere med lite kjent intensjon bør for eksempel se produktanmeldelser fra fornøyde kunder for å skape interesse, mens en tilbakevendende bruker med høy intensjon kanskje bare trenger et lite dytt for å konvertere og bør se varsler om lavt beholdningsnivå som skaper hastverk og kjøpshandlinger.

Du bør analysere resultatene for alle de primære målgruppene dine for å se hvordan innholdet presterte for hvert segment. Dette vil gjøre det enklere for deg å optimalisere raskt etter å ha avdekket verdifull datainnsikt.

Etter at du har lansert de første kampanjene, kan du analysere resultatene ut fra primærmålgruppene dine for å finne den vinnende varianten for hvert segment.

Still deg selv følgende:

• Hvilken variant presterte best basert på den primære metrikken?

• Hvis resultatet var negativt eller førte til en nedgang, kunne plasseringen, innholdet, handlingselementet (CTA) / mangelen på handlingselement eller et annet element ha spilt en rolle? 

• Hvorfor kan en variasjon ha falt i smak hos (eller blitt avvist av) primærmålgruppen basert på det du allerede vet om dem?

• Hvilke budskap kan treffe de primære målgruppene bedre?

• Hva kan du teste videre for å få mer innsikt i hver målgruppe?

Bruk disse hensynene til å styrke en kundeinnsikt og utforme hypotesen du skal teste ut i de neste eksperimentene. 

Når du har fått innsikt fra de første kampanjene for hvert målgruppesegment, har du et forbedret utgangspunkt for å lansere fremtidige tester.

La oss for eksempel si at du oppdager at brukere med lav hensikt (en av hovedmålgruppene dine) foretrakk lignende produkter i PDP-anbefalingene. Dette resultatet kan få deg til å tro at de er mer interessert i å lære om en bestemt stilart av produkter fremfor det som har blitt vist sammen med det. Et naturlig neste skritt ville være å finpusse bruken av likhetsalgoritmen for målgruppesegmentet med lav hensikt i PDP-produktanbefalingswidgeten.

Dermed starter prosessen med kampanjeidémyldring på nytt, med ny innsikt brukt som andre iterasjoner av anbefalings- og innholdstestene – denne gangen for hver av primærmålgruppene dine.

Det finnes flere taktikker og strategier innenfor begge kjernetyper av målgudbaserte personaliseringstester, utover PDP-anbefalinger og sosial bevis. Når du nærmer deg en ny, er det bare å bruke den samme trinnvise prosessen:

1. Velg personaliseringskampanje

2. Formuler en hypotese som du kan teste på hele publikummet ditt

3. Kjør en A/B-test med en kontroll og to variasjoner

4. La testen kjøre i to uker (minst) for å oppnå statistisk signifikans, med lik trafikk fordelt på hver variasjon og kontrollen før du bruker en terskel på 80 % for å vurdere sannsynligheten for å være best (P2BB)

5. Analyser resultatene gjennom linsen til hver av primærmålgruppene dine

6. Standardiser og samle innsikten fra hver test

Personalisering blir aldri helt ferdig, siden du alltid har mulighet til å lære mer om publikummet ditt. Implementering av retningslinjene ovenfor vil gjøre deg i stand til å starte denne givende prosessen, slik at du ikke bare kan forbedre kundeopplevelsen deres, men også kontinuerlig optimalisere resultatene dine.